RuoYi-Vue代码生成器模板:Velocity与Freemarker
在前后端分离的开发模式中,重复编写基础CRUD代码不仅耗时,还容易引入人为错误。RuoYi-Vue框架提供了强大的代码生成器功能,通过Velocity模板引擎实现代码的自动化生成,显著提升开发效率。本文将深入解析其模板系统的实现原理与使用方法。
模板引擎架构解析
RuoYi-Vue的代码生成模块采用Velocity作为核心模板引擎,通过工厂模式初始化引擎配置,并提供上下文数据绑定功能。核心实现类位于:
- Velocity引擎初始化:ruoyi-generator/src/main/java/com/ruoyi/generator/util/VelocityInitializer.java
- 模板上下文工具:ruoyi-generator/src/main/java/com/ruoyi/generator/util/VelocityUtils.java
引擎初始化流程通过设置字符编码、资源加载路径等参数,确保模板解析的正确性:
Properties p = new Properties();
p.setProperty(Velocity.INPUT_ENCODING, Constants.UTF8);
p.setProperty(Velocity.RESOURCE_LOADER, "class");
p.setProperty("class.resource.loader.class", ClasspathResourceLoader.class.getName());
Velocity.init(p);
模板文件组织结构
模板文件采用模块化设计,按生成目标语言和框架版本分类存储在vm目录下:
ruoyi-generator/src/main/resources/vm/
vm/
├── java/ # Java后端模板
│ ├── controller.java.vm # 控制器模板
│ ├── service.java.vm # 服务接口模板
│ └── domain.java.vm # 实体类模板
├── vue/ # 前端页面模板
│ ├── index.vue.vm # 列表页模板
│ └── index-tree.vue.vm # 树形结构页面模板
├── js/ # JavaScript模板
│ └── api.js.vm # API请求模板
└── xml/ # MyBatis映射模板
└── mapper.xml.vm # Mapper文件模板
核心模板类型详解
1. Java后端模板
以控制器模板为例,通过Velocity语法实现动态代码生成:
ruoyi-generator/src/main/resources/vm/java/controller.java.vm
@RestController
@RequestMapping("/${moduleName}/${businessName}")
public class ${className}Controller extends BaseController
{
@Autowired
private I${className}Service ${className?uncap_first}Service;
// 分页查询方法
@PreAuthorize("@ss.hasPermi('${moduleName}:${businessName}:list')")
@GetMapping("/list")
public TableDataInfo list(${className} ${className?uncap_first})
{
startPage();
List<${className}> list = ${className?uncap_first}Service.select${className}List(${className?uncap_first});
return getDataTable(list);
}
}
2. Vue前端模板
列表页模板通过条件判断支持普通表格与树形表格的动态生成:
ruoyi-generator/src/main/resources/vm/vue/index.vue.vm
<template>
<div class="app-container">
<el-table v-loading="loading" :data="tableData" <#if hasTree>row-key="id" :tree-props="{children: 'children', hasChildren: 'hasChildren'}"</#if>>
<el-table-column type="selection" width="55" align="center" />
<#list columns as column>
<el-table-column
prop="${column.javaField}"
label="${column.columnComment}"
<#if column.queryType??>v-if="showSearch"</#if>
/>
</#list>
</el-table>
</div>
</template>
3. API请求模板
统一生成符合框架规范的前端API调用代码:
ruoyi-generator/src/main/resources/vm/js/api.js.vm
import request from '@/utils/request'
// 查询列表
export function list${className}(query) {
return request({
url: '/${moduleName}/${businessName}/list',
method: 'get',
params: query
})
}
// 新增数据
export function add${className}(data) {
return request({
url: '/${moduleName}/${businessName}',
method: 'post',
data: data
})
}
模板使用流程
代码生成器的工作流程主要包含以下步骤:
- 数据表配置:在系统管理→代码生成→生成配置中设置表信息
- 模板选择:通过前端界面选择需要生成的代码类型
- 参数绑定:GenTableServiceImpl.java将表结构数据转换为Velocity上下文
- 模板渲染:调用Velocity引擎解析模板生成代码文件
- 打包下载:将生成的文件压缩为ZIP包提供下载
自定义模板扩展
如需扩展模板功能,可按以下步骤进行:
- 新增模板文件:在对应模块目录下创建自定义
.vm文件 - 配置模板路径:修改generator.yml添加新模板的引用
- 调整上下文数据:扩展VelocityUtils类添加自定义变量
- 重新编译部署:执行
mvn clean package打包更新生成器模块
与Freemarker的对比分析
虽然RuoYi-Vue当前版本未集成Freemarker,但可从以下维度对比两种模板引擎:
| 特性 | Velocity | Freemarker |
|---|---|---|
| 语法复杂度 | 简单直观 | 相对复杂 |
| 性能 | 较高 | 中等 |
| 社区支持 | 成熟稳定 | 活跃 |
| 功能丰富度 | 基础功能完善 | 高级特性多 |
| 学习曲线 | 平缓 | 较陡 |
若需集成Freemarker,可参考Velocity的实现方式,添加对应的引擎初始化器和模板处理器。
最佳实践与优化建议
- 模板复用:将通用代码片段抽取为宏定义,如:
#macro(defineMethod $name $params)
public void ${name}(${params}) {
// 方法体
}
#end
-
版本控制:对自定义模板进行Git版本管理,避免升级框架时丢失修改
-
性能优化:通过VelocityInitializer.java配置缓存策略,减少模板解析开销
-
安全检查:生成代码前通过GenTableServiceImpl.java的校验逻辑过滤危险字符
通过合理利用RuoYi-Vue的代码生成器,开发团队可将重复编码工作减少70%以上,专注于业务逻辑实现。官方文档提供了更多高级配置说明:若依环境使用手册.docx
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
